Pandas에서 숫자 열을 어떻게 찾나요?

dfpandas DataFrame 이라고 가정 해 보겠습니다 . 숫자 유형의 모든 열을 찾고 싶습니다. 다음과 같은 것 :

isNumeric = is_numeric(df)

select_dtypesDataFrame의 방법을 사용할 수 있습니다 . 여기에는 두 개의 매개 변수 include 및 exclude가 포함됩니다. 따라서 isNumeric은 다음과 같습니다.

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

newdf = df.select_dtypes(include=numerics)

문서화되지 않은 함수 _get_numeric_data()를 사용하여 숫자 열만 필터링 할 수 있습니다 .

df._get_numeric_data()

예:

In [32]: data
Out[32]:
   A  B
0  1  s
1  2  s
2  3  s
3  4  s

In [33]: data._get_numeric_data()
Out[33]:
   A
0  1
1  2
2  3
3  4

이는 "비공개 방법"(즉, 구현 세부 사항)이며 향후 변경되거나 완전히 제거 될 수 있습니다. 주의해서 사용하십시오 .

숫자 열만있는 새 데이터 프레임을 만드는 간단한 한 줄 답변 :

df.select_dtypes(include=np.number)

숫자 열의 이름을 원하는 경우 :

df.select_dtypes(include=np.number).columns.tolist()

완전한 코드 :

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': range(7, 10),
                   'B': np.random.rand(3),
                   'C': ['foo','bar','baz'],
                   'D': ['who','what','when']})
df
#    A         B    C     D
# 0  7  0.704021  foo   who
# 1  8  0.264025  bar  what
# 2  9  0.230671  baz  when

df_numerics_only = df.select_dtypes(include=np.number)
df_numerics_only
#    A         B
# 0  7  0.704021
# 1  8  0.264025
# 2  9  0.230671

colnames_numerics_only = df.select_dtypes(include=np.number).columns.tolist()
colnames_numerics_only
# ['A', 'B']

df.select_dtypes(exclude=['object'])

간단한 한 줄 :

df.select_dtypes('number').columns

다음 코드는 데이터 세트의 숫자 열 이름 목록을 리턴합니다.

cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)

여기 marketing_train에 내 데이터 세트가 있으며 select_dtypes()제외 및 포함 인수를 사용하여 데이터 유형을 선택하는 기능이며 위 코드의 데이터 세트 출력의 열 이름을 가져 오는 데 사용되는 열은 다음과 같습니다.

['custAge',
     'campaign',
     'pdays',
     'previous',
     'emp.var.rate',
     'cons.price.idx',
     'cons.conf.idx',
     'euribor3m',
     'nr.employed',
     'pmonths',
     'pastEmail']

감사

이것은 pandas 데이터 프레임에서 숫자 열을 찾는 또 다른 간단한 코드입니다.

numeric_clmns = df.dtypes[df.dtypes != "object"].index 

def is_type(df, baseType):
    import numpy as np
    import pandas as pd
    test = [issubclass(np.dtype(d).type, baseType) for d in df.dtypes]
    return pd.DataFrame(data = test, index = df.columns, columns = ["test"])
def is_float(df):
    import numpy as np
    return is_type(df, np.float)
def is_number(df):
    import numpy as np
    return is_type(df, np.number)
def is_integer(df):
    import numpy as np
    return is_type(df, np.integer)

이 답변을 적용 하면 할 수 있습니다.

df.ix[:,df.applymap(np.isreal).all(axis=0)]

여기 np.applymap(np.isreal)에서는 데이터 프레임의 모든 셀이 숫자인지 여부를 보여주고 .axis(all=0)열의 모든 값이 True인지 확인하고 원하는 열을 인덱싱하는 데 사용할 수있는 일련의 부울을 반환합니다.

아래 코드를 참조하십시오.

if(dataset.select_dtypes(include=[np.number]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.number]).describe())
if(dataset.select_dtypes(include=[np.object]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.object]).describe())

이렇게하면 값이 float 및 int 또는 srting 값과 같은 숫자인지 확인할 수 있습니다. 두 번째 if 문은 객체가 참조하는 문자열 값을 확인하는 데 사용됩니다.

다음과 같은 요구 사항에 따라 데이터 유형을 포함 및 제외 할 수 있습니다.

train.select_dtypes(include=None, exclude=None)
train.select_dtypes(include='number') #will include all the numeric types

Jupyter Notebook에서 참조했습니다.

모든 숫자 유형 을 선택하려면 np.number또는'number'

• 문자열을 선택하려면 objectdtype을 사용해야하지만 모든 개체 dtype 열을 반환 합니다.

• NumPy dtype hierarchy <http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html>__ 참조

• 날짜 / 시간을 선택하려면 np.datetime64, 'datetime'또는 'datetime64'

• 타임 델타를 선택하려면 np.timedelta64, 'timedelta'또는 'timedelta64'

• Pandas 범주 형 dtype을 선택하려면 'category'

• Pandas datetimetz dtypes를 선택하려면 'datetimetz'( 0.20.0의 새로운 기능) 또는`` 'datetime64 [ns, tz]'를 사용하십시오.